训练和评估模型

了解如何使用 ML.NET 生成机器学习模型、收集指标以及测量性能。 虽然此示例训练回归模型，但这些概念适用于大部分其他算法。

拆分数据用于训练和测试

机器学习模型旨在识别训练数据中的模式。 这些模式用于使用新数据进行预测。

数据可以通过 HousingData 等类进行建模。

public class HousingData
{
    [LoadColumn(0)]
    public float Size { get; set; }

    [LoadColumn(1, 3)]
    [VectorType(3)]
    public float[] HistoricalPrices { get; set; }

    [LoadColumn(4)]
    [ColumnName("Label")]
    public float CurrentPrice { get; set; }
}

提供加载到 IDataView 中的以下数据。

HousingData[] housingData = new HousingData[]
{
    new HousingData
    {
        Size = 600f,
        HistoricalPrices = new float[] { 100000f ,125000f ,122000f },
        CurrentPrice = 170000f
    },
    new HousingData
    {
        Size = 1000f,
        HistoricalPrices = new float[] { 200000f, 250000f, 230000f },
        CurrentPrice = 225000f
    },
    new HousingData
    {
        Size = 1000f,
        HistoricalPrices = new float[] { 126000f, 130000f, 200000f },
        CurrentPrice = 195000f
    },
    new HousingData
    {
        Size = 850f,
        HistoricalPrices = new float[] { 150000f,175000f,210000f },
        CurrentPrice = 205000f
    },
    new HousingData
    {
        Size = 900f,
        HistoricalPrices = new float[] { 155000f, 190000f, 220000f },
        CurrentPrice = 210000f
    },
    new HousingData
    {
        Size = 550f,
        HistoricalPrices = new float[] { 99000f, 98000f, 130000f },
        CurrentPrice = 180000f
    }
};

使用 TrainTestSplit 方法将数据拆分为训练集和测试集。 结果将是一个 TrainTestData 对象，其中包含两个 IDataView 成员，一个用于训练集，另一个用于测试集。 数据拆分百分比由 testFraction 参数确定。 下面的代码片段让测试集占用 20% 的原始数据。

DataOperationsCatalog.TrainTestData dataSplit = mlContext.Data.TrainTestSplit(data, testFraction: 0.2);
IDataView trainData = dataSplit.TrainSet;
IDataView testData = dataSplit.TestSet;

准备数据

在训练机器学习模型之前，需要对数据进行预处理。 有关数据准备的详细信息，请参阅数据准备操作说明文章以及transforms page。

ML.NET 算法对输入列类型存在约束。 此外，如果未指定任何值，则默认值会用于输入和输出列名。

使用预期的列类型

ML.NET 中的机器学习算法预期使用大小已知的浮点向量作为输入。 当所有数据都已经是数字格式并且打算一起处理（即图像像素）时，将 VectorType 属性应用于数据模型。

如果数据不全为数字格式，并且想要单独对每个列应用不同的数据转换，请在处理所有列后使用 Concatenate 方法，以将所有单独的列合并为一个特征向量并将特征向量输出到新列。

以下代码片段将 Size 和 HistoricalPrices 列合并为一个特征向量，该特征向量输出到名为 Features 的新列。 由于比例存在差异，将 NormalizeMinMax 应用于 Features 列来规范化数据。

// Define Data Prep Estimator
// 1. Concatenate Size and Historical into a single feature vector output to a new column called Features
// 2. Normalize Features vector
IEstimator<ITransformer> dataPrepEstimator =
    mlContext.Transforms.Concatenate("Features", "Size", "HistoricalPrices")
        .Append(mlContext.Transforms.NormalizeMinMax("Features"));

// Create data prep transformer
ITransformer dataPrepTransformer = dataPrepEstimator.Fit(trainData);

// Apply transforms to training data
IDataView transformedTrainingData = dataPrepTransformer.Transform(trainData);

使用默认列名

未指定列名时，ML.NET 算法会使用默认列名。 所有训练程序都有一个名为 featureColumnName 的参数可用于算法的输入，并且在适用情况下，它们还有一个用于预期值的名为 labelColumnName 的参数。 默认情况下，这些值分别为 Features 和 Label。

通过在预处理期间使用 Concatenate 方法创建名为 Features 的新列，无需在算法的参数中指定特征列名，因为它已存在于预处理的 IDataView 中。 标签列为 CurrentPrice，但由于数据模型中使用了 ColumnName 属性，ML.NET 将 CurrentPrice 列重命名为 Label，因而无需向机器学习算法估算器提供 labelColumnName 参数。

如果不想使用默认列名，请在定义机器学习算法估算器时将特征和标签列的名称作为参数传入，如以下代码片段所示：

var UserDefinedColumnSdcaEstimator = mlContext.Regression.Trainers.Sdca(labelColumnName: "MyLabelColumnName", featureColumnName: "MyFeatureColumnName");

缓存数据

默认情况下，在处理数据时，数据会延迟加载或流式传输，这意味着训练程序可以从磁盘加载数据，并在训练期间多次循环访问数据。 因此，建议对放入内存中的数据集进行缓存，以减少从磁盘加载数据的次数。 缓存使用 AppendCacheCheckpoint 作为 EstimatorChain 的一部分来完成。

建议在任何训练程序处于管道中之前，使用 AppendCacheCheckpoint。

使用以下 EstimatorChain，在 训练程序之前添加 StochasticDualCoordinateAscentAppendCacheCheckpoint 可缓存以前估算器的结果以供训练程序以后使用。

// 1. Concatenate Size and Historical into a single feature vector output to a new column called Features
// 2. Normalize Features vector
// 3. Cache prepared data
// 4. Use Sdca trainer to train the model
IEstimator<ITransformer> dataPrepEstimator =
    mlContext.Transforms.Concatenate("Features", "Size", "HistoricalPrices")
        .Append(mlContext.Transforms.NormalizeMinMax("Features"))
        .AppendCacheCheckpoint(mlContext);
        .Append(mlContext.Regression.Trainers.Sdca());

训练机器学习模型

对数据进行预处理后，使用 Fit 方法通过 StochasticDualCoordinateAscent 回归算法训练机器学习模型。

// Define StochasticDualCoordinateAscent regression algorithm estimator
var sdcaEstimator = mlContext.Regression.Trainers.Sdca();

// Build machine learning model
var trainedModel = sdcaEstimator.Fit(transformedTrainingData);

提取模型参数

训练模型后，提取已学习的 ModelParameters 用于检查或重新训练。 LinearRegressionModelParameters 提供经过训练的模型的偏差和已学习的系数或权重。

var trainedModelParameters = trainedModel.Model as LinearRegressionModelParameters;

注意

其他模型具有特定于其任务的参数。 例如，K-Means 算法基于形心将数据放入群集中，KMeansModelParameters 包含存储这些已学习的形心的属性。 若要了解详细信息，请访问 Microsoft.ML.Trainers API 文档并查找名称中包含 ModelParameters 的类。

评估模型质量

若要帮助选择性能最佳的模型，必须评估其在测试数据中的性能。 使用 Evaluate 方法测量经过训练的模型的各种指标。

注意

Evaluate 方法根据执行的机器学习任务生成不同的指标。 有关更多详细信息，请访问 Microsoft.ML.Data API 文档并查找名称中包含 Metrics 的类。

// Measure trained model performance
// Apply data prep transformer to test data
IDataView transformedTestData = dataPrepTransformer.Transform(testData);

// Use trained model to make inferences on test data
IDataView testDataPredictions = trainedModel.Transform(transformedTestData);

// Extract model metrics and get RSquared
RegressionMetrics trainedModelMetrics = mlContext.Regression.Evaluate(testDataPredictions);
double rSquared = trainedModelMetrics.RSquared;

在上一代码示例中：

1. 测试数据集使用之前定义的数据准备转换进行预处理。
2. 经过训练的机器学习模型用于对测试数据进行预测。
3. 在 Evaluate 方法中，将测试数据集 CurrentPrice 列中的值与新输出预测的 Score 列进行比较，以计算回归模型的指标，其中之一是 R 平方，它存储在 rSquared 变量中。

注意

在这一小型示例中，由于数据大小存在限制，R 平方是一个不在 0-1 范围内的数字。 在实际方案中，应预期看到介于 0 和 1 之间的值。